L'intelligence artificielle : entre promesses illusoires et dystopies réelles

‍

L'intelligence artificielle a connu de nombreux cycles d'enthousiasme et de déception. Aujourd'hui, nous sommes dans une phase ascendante, grâce au développement de grands modèles de langage (LLM) basés sur l'architecture Transformer. Cette architecture est particulièrement bien adaptée aux GPU, ce qui permet d'utiliser d'immenses quantités de données et de puissance de calcul pour entraîner des modèles comportant des milliards de paramètres.La conséquence la plus importante est la création d'une nouvelle interface utilisateur pour les ordinateurs : le langage humain.

Tout comme l'interface utilisateur graphique a rendu l'ordinateur personnel accessible à des millions d'utilisateurs dans les années 1980, les nouvelles interfaces en langage naturel ont rendu l'IA accessible à des centaines de millions d'utilisateurs dans le monde entier au cours de l'année écoulée.

‍

Le mythe d'une véritable démocratisation

‍

Malgré cette accessibilité apparente, la "démocratisation" promise par les solutions SaaS reste imparfaite et partielle, créant de nouvelles formes d'inégalités.

‍

L'IA nécessite toujours des compétences spécifiques :

- Connaissance de l'IA et compréhension des limites des systèmes

- Capacité à évaluer les résultats de manière critique

- Compétences en matière d'intégration dans les processus d'entreprise

‍

L'effet IA et le paradoxe des frontières

John McCarthy a inventé le terme d'IA dans les années 1950, mais il s'est lui-même plaint : "Dès que ça marche, plus personne ne l'appelle IA". Ce phénomène, connu sous le nom d'"effet IA", continue de nous influencer aujourd'hui.

‍

L'histoire de l'IA est jalonnée de réussites qui, une fois devenues suffisamment fiables, ne sont plus considérées comme suffisamment "intelligentes" pour mériter l'épithète d'aspiration.

‍

Exemples de technologies qui étaient autrefois considérées comme de l'IA de pointe et qui sont aujourd'hui considérées comme allant de soi :

‍

- La vision industrielle désormais intégrée à chaque smartphone

- La reconnaissance vocale, aujourd'hui simplement "dictée

- Traduction linguistique et analyse des sentimentsSystèmes de recommandation (Netflix, Amazon) et optimisation des itinéraires (Google Maps)

Cela fait partie d'un phénomène plus large que l'on peut appeler le "paradoxe de la frontière".

‍

Comme nous attribuons aux humains la frontière au-delà de notre maîtrise technologique, cette frontière sera toujours mal définie. L'intelligence n'est pas quelque chose que nous pouvons capturer, mais un horizon qui se rapproche constamment et que nous transformons en outils utiles.

‍

‍

IA et surcharge d'informations

‍

La diffusion de l'IA générative a considérablement réduit les coûts de production et de transmission de l'information, avec des effets paradoxaux par rapport aux objectifs de la participation civique.

‍

La crise du contenu synthétique

La combinaison de l'IA générative et des médias sociaux a créé.. :

- Surcharge cognitive et amplification des préjugés préexistants

- Une plus grande polarisation sociale

- Facilité de manipulation de l'opinion publique

- Prolifération de contenus falsifiés

‍

Le problème de la "boîte noire

‍

Les interfaces simplifiées cachent les rouages de l'IA:Mauvaise compréhension des processus de prise de décision automatisésDifficultés à identifier les biais algorithmiques

‍

Personnalisation limitée des modèles sous-jacentsL'importance de l'intelligence automatisée pilotée par l'hommeL'IA ne peut nous amener qu'à 90 % du chemin.

‍

Les machines excellent dans l'analyse de grands volumes de données, mais elles ont du mal à traiter les cas particuliers. Les algorithmes peuvent être entraînés à traiter davantage d'exceptions, mais au-delà d'un certain point, les ressources nécessaires dépassent les avantages. Les humains sont des penseurs précis qui appliquent des principes aux cas limites, tandis que les machines sont des approximateurs qui prennent des décisions basées sur des données antérieures.

‍

De l'engouement au désenchantement : le cycle de l'IA

Comme le décrit Gartner dans les cycles d'engouement pour les technologies, l'enthousiasme débridé est invariablement suivi d'une déception - la "vallée de la désillusion".

‍

Alan Kay, pionnier de l'informatique et lauréat du prix Turing, a déclaré : "La technologie n'est une technologie que pour ceux qui sont nés avant qu'elle ne soit inventée". Les professionnels de l'apprentissage automatique sont des scientifiques et des ingénieurs, mais leurs efforts ressemblent toujours à de la magie - jusqu'au jour où ils n'en sont plus.

‍

Homogénéisation et perte d'avantage concurrentielL'adoption généralisée des mêmes solutions SaaS préconstruites entraîne:une convergence vers des processus d'entreprise similairesdes difficultés de différenciation grâce à l'AIInnovation limitée par les capacités de la plateformeLa persistance des données et ses risques

‍

Avec l'accessibilité des plateformes d'IA générative:Les données persistent dans le temps dans les infrastructures numériquesLes points de données peuvent être réutilisés dans différents contextes.

Un cycle dangereux est créé lorsque les futures générations d'IA sont formées à partir de contenus synthétiques.

‍

La nouvelle fracture numérique

‍

Le marché de l'IA se divise en plusieurs catégories :

- IA de commodité : des solutions standardisées accessibles au plus grand nombre

- IA propriétaire avancée : capacités de pointe développées par quelques grandes organisations

‍

La nécessité d'un vocabulaire plus précis

Une partie du problème réside dans la définition même de l'"intelligence artificielle".

‍

Si nous décomposons le terme de manière récursive, nous constatons que chaque branche de la définition fait référence aux "humains" ou aux "personnes". Par définition, nous considérons donc l'IA comme une imitation de l'homme, mais dès qu'une capacité entre résolument dans le domaine des machines, nous perdons le point de référence humain et cessons de la considérer comme de l'IA.

‍

Il est plus utile de se concentrer sur des technologies spécifiques qui peuvent être mises en œuvre, telles que les transformateurs pour les modèles linguistiques ou la diffusion pour la génération d'images. Cela rend notre capacité à évaluer une entreprise beaucoup plus explicite, tangible et réelle.

‍

Conclusion : de la frontière à la technologie

‍

Le paradoxe de la frontière signifie que l'IA s'accélère si rapidement qu'elle ne sera bientôt plus qu'une technologie et qu'une nouvelle frontière deviendra l'IA. Le fait de devenir une "technologie" devrait être considéré comme la reconnaissance d'une idée qui était auparavant à la pointe du possible.Cet article a été inspiré en partie par les réflexions de Sequoia Capital sur le paradoxe de l'IA.

Pour plus d'informations : https://www.sequoiacap.com/article/ai-paradox-perspective/

‍

La véritable promesse de l'IA accessible n'est pas simplement de rendre la technologie disponible, mais de créer un écosystème dans lequel l'innovation, le contrôle et les bénéfices sont véritablement distribués.

Nous devons reconnaître la tension entre l'accès à l'information et les risques de surcharge et de manipulation.

‍

Ce n'est qu'en maintenant une forte composante humaine dans l'intelligence artificielle et en adoptant un langage plus précis que nous pourrons réaliser son potentiel en tant que force d'inclusion et d'innovation réellement distribuée.